3月31日，Anthropic发布Claude Code 2.1.88版本，表面平静。一小时后，安全研究员Chaofan Shou在X平台披露：通过npm包中的source map文件，成功获取Claude Code完整TypeScript源码——共51.2万行、1900个文件、覆盖35+子系统。
24小时内，GitHub涌现多个fork仓库，其中一项目获3.2万星标、4.4万次fork。全球开发者迅速展开深度分析，将其视为一场价值数十亿美元的AI工程架构公开课。
Claude Code这次究竟暴露了啥？
需明确：泄露内容并非AI模型本身，而是Anthropic官方封装的Claude Code工程代码，涵盖模型调度、记忆管理、工具调用与权限控制等全链路系统逻辑。
类比而言：AI模型是“千里马”，泄露的是“驯马师手册”。技术风险有限，但战略价值极高——它首次系统揭示了头部玩家如何规模化管理AI工程师、构建AI原生产品。
读懂这套架构，未必能立即开发出优秀AI产品，但将显著提升AI使用效能与工程化认知深度。
三层记忆与睡眠模式
长期对话中AI易出现“上下文熵增”：记忆模糊、函数名混淆、任务目标遗忘——这是当前AI编程工具的普遍瓶颈。
Claude Code源码揭示其核心解法：三层记忆架构。
第一层：MEMORY.md 轻量索引
每次会话启动时加载MEMORY.md，该文件不存储原始数据，仅维护结构化索引（如文件路径、模块说明），单行约150字符，总容量严格限制在25KB以内，防止工作记忆被冗余信息污染。
第二层：主题文件，按需加载
项目知识按功能/模块拆分为独立主题文件，AI仅在执行相关任务时动态加载对应内容，显著降低上下文窗口占用。
第三层：完整会话记录，可搜索但不回读
全部历史对话均持久化保存，但AI默认不重复加载整段会话；仅当需确认具体细节时，触发关键词搜索并提取相关片段，实现精准上下文复用。
三层协同，在最小上下文开销下支撑最大知识覆盖范围。更进一步，Anthropic还部署后台进程KAIROS，运行AutoDream（自动做梦）机制——模拟人类睡眠期的记忆整理。
AutoDream四大步骤：
- 定向扫描：读取MEMORY.md及现有主题文件
- 信号采集：从日志中提取新信息，识别“记忆漂移”，剔除与当前代码冲突的旧认知
- 整合归并：融合新信号至主题文件，将相对时间表述转为绝对时间，删除过时事实
- 修剪索引：更新MEMORY.md，确保始终≤25KB
Claude Code正演进为“常驻CTO”：持续记忆项目状态，并在空闲期自主优化、更新对项目的理解。
从提示词工程到Harness工程
源码曝光前一周，Anthropic Labs工程师Prithvi Rajasekaran在官方博客发布《Harness Design for Long-Running Application Development》，提出全新范式——Harness Engineering（缰绳工程）。
行业演进脉络清晰：2024年聚焦提示词工程，2025年转向上下文工程，2026年核心战场已升级为Harness工程：即设计系统级机制，约束AI在长周期、高复杂度任务中稳定输出，杜绝偏航与失焦。
Rajasekaran指出AI独立完成复杂编程存在两大根本缺陷：
- 上下文焦虑：因担忧token耗尽而仓促收尾，属行为偏差，非幻觉问题
- 自我评估偏差：AI难以客观审查自身产出，类似学生自评试卷，普遍高估质量
其解决方案借鉴GAN思想，构建双Agent协作框架：
- Generator（生成器）：专注编码实现
- Evaluator（评估器）：基于Playwright真实操作应用（点击、表单提交、API测试），依标准评分并反馈缺陷
以“开发2D复古游戏编辑器”为例：
- 单Agent模式：20分钟完成基础功能，成本9美元，成品仅可查看不可运行
- Harness工程模式：6小时开发，成本200美元，交付完整可玩产品，并自动扩展出精灵动画、行为模板、音效系统、AI辅助关卡设计、导出分享等16项增强功能
成本增长20倍，但实现了从“能看”到“能用”的质变。对创业者而言，Harness工程代表新机会点：无需自研大模型，仅在AI调度、评估与协同层面构建差异化方案，即可孵化高价值AI原生产品。
重新认识AI时代的护城河
AI工具的竞争壁垒持续迁移：2024年比拼模型能力，2025年转向上下文管理效率，2026年回归本质——系统工程能力。
Claude Code源码泄露印证一个关键结论：模型是发动机，之上的一切工程设计才是造就赛车的关键。
从提示词工程、上下文工程到Harness工程，AI技术范式正以半年为周期快速迭代。真正决定竞争力的，不再是追逐概念，而是掌握底层系统思维与落地方法论。